与监督学习方法相比，ReCall的强化学习方案在工具调用方面有哪些优势？

2025-08-23

595

方法论对比

传统监督学习需要大量标注数据（包括工具选择标注和执行轨迹标注），而ReCall的RL方案通过奖励信号自动优化策略，具有三大核心优势：

具体体现在：
1)分层奖励设计：对工具选择、参数生成、结果验证分别设计奖励函数
2)课程学习机制：从简单任务逐步过渡到复杂工具组合
3)离线-在线混合训练：结合历史数据和实时交互进行策略优化

在FlashRAG评估中，相比监督学习方法，RL方案在多跳问答任务上的成功率提升27%，工具调用错误率降低42%，尤其在处理未见过的工具组合时表现突出。